Languages

一、引言：为什么需要序列化你写好的对象活在内存里，进程一关就没了。可真实工程里，我们常常要把内存里的对象存盘、跨进程传、丢进缓存、或者发到另一台机器——这就离不开"序列化"：把活的 Python 对象变成一串能落盘/能传输的字节，再在另一端"复活"成等价对象。 Python 标准库给的方案是 pickle：一行 dumps 把对象冻成字节串，一行 loads 再把它 thaw 回来，几乎零样板。 1234567891011121314import pickleconfig = { "model": "resnet50", "lr": 0.01, "layers": [3, 4, 6, 3], "pretrained": True,}blob = pickle.dumps(config) # 序列化: 对象 -> 字节串restored = pickle.loads(bl...

一、引言：Python 也会"内存泄漏"？很多人对 Python 的印象是"不用管内存"。这话对了一半。 Python 确实没有 C++ 那种"忘了 delete 就泄漏"的日常负担，底层靠**引用计数（reference counting）**在对象不再被引用时立刻回收。但引用计数有一个它自己解决不了的死角：循环引用。两个对象互相指着对方，引用计数永远归不了零，计数机制就失效了。 所以你会在真实项目里看到这种诡异现象：一个处理完的请求对象明明"没人用了"，进程 RSS 却缓缓往上爬，爬到几 GB 才被周期性 GC 清掉，严重的甚至一直爬——这就是循环引用漏网。本文把这套机制讲透，并和 C++ 的内存管理正面比对。 123456789101112import tracemalloc, gctracemalloc.start()# 模拟一个"看似释放、实则泄漏"的请求上下文class Ctx: passdef handle(): a = Ctx(); b = Ctx() ...

一、引言：为了一个 read()，我被迫 import 了一个基类先看一个特别常见的窘境。 你写了个函数，全身上下只用到参数的一个方法： 12def load_header(src) -> bytes: return src.read(8) 现在要给 src 加类型注解。按经典 OOP 的教法，应该定义一个抽象基类，让所有实现方继承它： 12345678from abc import ABC, abstractmethodclass BaseReader(ABC): @abstractmethod def read(self, n: int) -> bytes: ...def load_header(src: BaseReader) -> bytes: return src.read(8) 代价立刻来了： 第三方库里那个完美满足条件的 Sock 类，你改不了它的继承链； io.BytesIO、socket.SocketIO 这些标准库类型，也不会来继承你的基类； 测试里想塞一个五行的假对象，还得先 from myapp.io imp...

一、TLS 在多线程环境中的关键技术作用 核心定义：线程局部存储（Thread Local Storage，TLS）是多线程编程中的一种内存隔离机制，为每个线程分配独立的内存空间（即 “线程私有副本”），使线程对该空间的数据访问无需竞争锁资源，且数据仅对所属线程可见。 解决的核心问题： 避免多线程数据竞争：当多个线程需使用同一逻辑变量但无需共享时（如线程内计数器），TLS 替代共享内存 + 锁的方案，消除锁开销与死锁风险。 保证线程数据独立性：确保线程在生命周期内的私有数据（如上下文信息、临时计算结果）不被其他线程篡改，维持线程运行稳定性。 简化线程数据管理：无需手动为每个线程分配 / 释放私有内存，由 TLS 机制自动管理内存生命周期（随线程创建而分配，随线程退出而释放）。 二、TLS 的实现机制2.1 静态分配（编译期确定）原理： 在编译阶段，编译器将标注 “线程局部” 的变量（如 C++ 的thread_local、POSIX 的__thread）分配到特定的 TLS 段（ELF 文件中的.tbss/.tls 段），并生成访问该段的指令。 ...

一、引言：obj.x 背后到底发生了什么写 Python 的人几乎每天都在敲 obj.x，但很少有人追问一句：这一行点号访问，解释器到底干了什么？ 直觉上它像 C++ 的 obj.x 字段访问——直接按偏移量取内存。但 Python 里 x 既不是编译期固定的偏移，也不保证每次都返回同一个东西。下面这段代码会让你知道它有多"活"： 12345678class C: def __init__(self): self.x = 1c = C()print(c.x) # 1，来自实例 __dict__c.__dict__['x'] = 99print(c.x) # 99，直接改底层字典就变了 输出： 12199 注意：我们没有碰任何方法，只是写了 c.__dict__，c.x 的返回值就变了。这说明 obj.x 不是"取字段"，而是一次有协议、可拦截、有查找顺序的访问。这套协议，就是描述符（Descriptor）。 本文顺着"点号访问 → 描述符协议 → pr...

一、tuple 核心定位与基本特性std::tuple（定义于 头文件）是 C++17 标准库中用于打包多个异构数据类型的轻量级容器，其核心价值在于： 无需定义自定义结构体 / 类，即可承载任意数量的不同类型数据； 配合 C++17 新特性（如类模板参数推导 CTAD、结构化绑定），大幅简化异构数据的创建与访问； 无动态内存分配，内存开销与手动定义的结构体相当，性能高效。 关键区别： 与 std::array：array 仅支持同构类型（如 array<int, 3>），tuple 支持异构类型（如 tuple<int, string, double>）； 与 std::pair：pair 仅支持最多 2 个元素，tuple 无元素数量限制。 二、tuple 基本用法（创建与访问）1. 创建方式（C++17 CTAD 特性重点）C++17 引入类模板参数推导（CTAD），创建 tuple 时无需显式指定模板参数，编译器会自动推导类型。 创建方式 代码示例 说明 CTAD 直接初始化 tuple t1(42, &qu...

一、当"给类加功能"开始重复:注册表、计时、单例、校验写过一点 Python 的人,都见过函数装饰器——@staticmethod、@property、@lru_cache 那一套。但还有一类更狠的:类装饰器。它不是贴在函数上,而是贴在类上: 123@some_decoratorclass MyClass: ... 区别在于:函数装饰器接收"一个函数"、返回"一个函数";类装饰器接收"一个类"、返回"一个类"(或它的替身)。它在 class 语句执行完、类对象刚诞生的那一刻被调用,让你有机会当场加工这个类——加方法、改属性、登记进注册表、甚至换成单例。 什么场景会用到?四个最常见的: 插件注册表:定义 class BM25Scorer,希望它自动进全局 registry,不用在别处再写一行 register(...)。 统一计时/日志:给类里所有方法自动包一层耗时统计。 单例化:让某个配置类无论 new 几次都返回同一实例。 字段校验:类一定义就检查"...

一、读写锁同步模型与核心概念1.1 核心锁类型定义读写锁（Read-Write Lock）是一种细粒度并发控制机制，通过拆分锁权限解决 “读多写少” 场景下的资源竞争问题，包含两类锁： 读锁（共享锁，Shared Lock）：允许多个线程同时持有，适用于只读操作 写锁（排他锁，Exclusive Lock）：仅允许单个线程持有，适用于修改操作 1.2 同步控制核心条件读写锁通过严格的权限控制实现并发安全，核心同步规则如下： 锁组合 允许并发？ 核心原因 读锁 + 读锁 是 只读操作不修改数据，无竞争 读锁 + 写锁 否 读写操作存在数据一致性冲突 写锁 + 写锁 否 多写操作会导致数据覆盖 1.3 内部状态机设计读写锁通过状态计数器维护锁的持有状态，主流实现采用 “高位存读计数 + 低位存写标记” 的紧凑设计（以 32 位状态为例）： 1[31位：读锁持有数量] | [1位：写锁标记（0=无写锁，1=有写锁）] 状态转换逻辑示例： 无锁状态（0x00000000）→ 加读锁 → 0x00000001（读计数 = 1，无写锁） 读锁状...

一、写到手酸的样板代码:一个类要抄多少遍但凡用类装数据的 Python 程序员,都写过这种东西: 1234567891011121314151617class Point: def __init__(self, x, y): self.x = x self.y = y def __repr__(self): return f"Point(x={self.x}, y={self.y})" def __eq__(self, other): if not isinstance(other, Point): return NotImplemented return self.x == other.x and self.y == other.yp1 = Point(1, 2)p2 = Point(1, 2)print(p1) # Point(x=1, y=2)print(p1 == p2) ...

一、一个被忽略的时间黑洞:重复计算写递归的人几乎都写过斐波那契: 12345678910import timedef fib(n): if n < 2: return n return fib(n - 1) + fib(n - 2)t0 = time.perf_counter()print(fib(35))print("耗时:", round(time.perf_counter() - t0, 2), "秒") 输出(64 位 Python): 129227465耗时: 2.13 秒 fib(35) 看起来不大,却把 fib 调用了约 2980 万次。一旦换成 fib(50),基本就卡死了——因为 fib(n-1) 和 fib(n-2) 各自又把 fib(n-3) 算一遍,子树大量重叠。这种"同一个子问题被反复求解"的现象叫重叠子问题(overlapping subproblems),是动态规划与记忆化要解决的核心。 问题来了:既然算过,为什么不复用? 答案是——默认情况下,Pytho...

一、一个被忽略的内存黑洞:每个实例都有一本"字典"写 Python 的人几乎都见过这种类: 1234class Point: def __init__(self, x, y): self.x = x self.y = y 看着简单,但它藏着一个代价。Python 为了实现"运行时随便加属性"的灵活性,默认给每个实例都挂了一本字典 __dict__,用来存 x、y 这些实例变量。这本字典本身是个哈希表,哪怕你只放两个字段,它也要预分配几十个字节的槽位。 做个实验就知道了: 1234567891011import sysclass Plain: def __init__(self, x, y): self.x = x self.y = yp = Plain(1, 2)print("实例大小:", sys.getsizeof(p)) # 实例对象自身print("__dict__ 大小:", sys.getsizeof(...

一、引子：当你写下 class 时，到底发生了什么写 Python 久了，很容易把 class 当成"定义一个模板"的声明。但 Python 里没有"声明"，只有"执行"。 1234567class Person: name = "Ada" def greet(self): return f"Hi, I'm {self.name}"print(type(Person)) # <class 'type'>print(type(type(Person))) # <class 'type'> 输出： 12<class 'type'><class 'type'> Person 不是某种静态蓝图，它是 type 这个类当场造出来的一个实例。type 就是"类的类&q...

一、引子：为什么 time.sleep 会"卡死"整个服务写过网络爬虫或高并发接口的人，迟早会撞上同一个问题：明明机器有 8 个核、网络在等 I/O，程序却像单车道一样，一个请求没回来，后面的全堵着。 先看一个"看似没问题"的代码： 1234567891011import timedef fetch(name, delay): time.sleep(delay) # 模拟一次网络请求 print(f"{name} 完成，耗时 {delay}s")def main(): for i in range(3): fetch(f"任务{i}", 1)main() 输出： 1234任务0 完成，耗时 1s任务1 完成，耗时 1s任务2 完成，耗时 1s# 总耗时约 3s time.sleep 是阻塞的：线程睡着的这段时间，CPU 什么也干不了，后面的任务只能干等。三个任务串行，总耗时 &#...

导言范围循环（C++11 引入）是现代 C++ 中遍历容器的便捷方式，其核心依赖迭代器协议与begin/end 接口。 一、范围循环的底层实现原理C++ 标准规定，对于表达式for (range_declaration : range_expression)，编译器会自动将其展开为以下逻辑（伪代码）： 123456789// 1. 获取范围的起始与结束迭代器auto __begin = begin(range_expression);auto __end = end(range_expression);// 2. 遍历逻辑：依赖迭代器的 !=、++、* 操作for (; __begin != __end; ++__begin) { range_declaration = *__begin; // 解引用获取元素 loop_statement; // 循环体} 关键依赖接口要支持范围循环，自定义对象需满足： 存在可被调用的 begin() 和 end() 函数（成员函数或非成员函数）； begin()&#x...

导言整理CppGuide社区内容，Final/Override/Default/Delete 均为C++ 关键字，ANSI C（如 C89、C99、C11）标准不支持这些特性。以下解析基于 C++（面向对象扩展，常与 C 语言结合使用），关联 C 语言的内存管理、代码安全思想，所有代码需用 C++ 编译器（如 g++、clang++）编译，ANSI C 编译器（如 gcc）均不支持。 一、Final 关键字：限制继承与重写1. 语义定义与作用域 作用 1：修饰类时，禁止该类被继承（作用域为整个类） 作用 2：修饰虚函数时，禁止子类重写该虚函数（作用域为单个虚函数） C 语言类比：C 中通过结构体封装 + 函数指针模拟多态时，需手动规范 “继承”（如不允许其他结构体包含父结构体模拟继承），但 Final 是 C++ 编译期强制约束，比 C 的代码规范更可靠。 2. 代码实例 1：Final 修饰类（禁止继承）123456789101112131415161718192021222324252627#include <stdio.h>...

一、引子：为什么满屏 @ 却不用慌刚接触 Python 的人，第一次打开一个 Flask 或 pytest 项目，往往会被装饰器吓到： 12345678910111213@app.route("/")@login_required@cache(ttl=60)def index(): ...@pytest.fixturedef db(): ...@propertydef name(self): ... @app.route、@login_required、@cache、@pytest.fixture、@property…… 名字一长串，看着像某种需要逐个背诵的黑魔法。 但真相是：名字多，不等于机制多。 所有装饰器底下都只有同一句等价变换： 1f = deco(f) # 把函数当参数传进去，返回值绑回原名 @deco 只是上面这句的语法糖。理解了这一点，你就有了"防恐慌锚点"——无论遇到什么新装饰器，先问自己一句：它到底是在"包装"我的函数，还是在"登记"我的函数？...

导言在 C++ 编程中，struct与class是定义复合数据类型的核心语法元素，二者既共享大部分 OOP（面向对象编程）特性，又因设计初衷不同存在关键差异。 一、语法定义与核心共性struct源于 C 语言的结构化数据设计，class则是 C++ 为支持 OOP 引入的特性。在 C++ 标准（ISO/IEC 14882）中，二者功能上高度重合，仅在默认行为上存在差异。 1.1 核心共性 成员定义能力：均可包含数据成员（如int x）和成员函数（如void print()），支持静态成员（static）和友元（friend）。 OOP 特性支持：均支持构造函数、析构函数、拷贝 / 移动语义、继承、多态（虚函数）。 内存布局规则：数据成员的对齐（alignment）、填充（padding）逻辑完全一致，由编译器根据平台（如 32 位 / 64 位）和类型大小决定。 模板与容器适配：均可作为 STL 容器（如std::vector）的元素类型（需满足容器要求，如可拷贝性）。 1.2 共性示例代码1234567891011121314151617...

一、从一段"看起来没问题"的代码说起几乎每个 Python 初学者都写过这样的文件读取代码： 123f = open('data.txt', 'r', encoding='utf-8')content = f.read()f.close() 三行，逻辑清晰，运行也正常。但它有一个致命缺陷：如果 f.read() 抛出异常，f.close() 永远不会执行。 1234f = open('data.txt', 'r', encoding='utf-8')content = f.read()print(content[999999]) # IndexError！f.close() # 这一行被跳过了 文件描述符泄漏了。单次运行看不出问题，但如果这段代码在循环里跑一万次，进程很快就会撞上操作系统的 ulimit -n 上限，抛出 OSError: [Errno 24] Too many open files。 老...

一、核心概念：求值规则1.1 Scheme 的默认行为：自动求值Scheme 解释器的默认行为是对一切表达式求值。当你输入 (+ 1 2) 时，解释器不会把 +、1、2 当作符号保留，而是： 查找 + 对应的加法函数 求值 1 和 2 得到数字 调用加法函数，返回 3 这是 Scheme 的"本能"——看到代码就执行，就像演员看到剧本就演出。 1.2 quote 的作用：阻止求值quote 的作用是阻止这种默认行为，把代码当作数据处理。它告诉解释器："别执行这段代码，原样返回就好。" 123(+ 1 2) ;; => 3 （求值：执行加法）'(+ 1 2) ;; => (+ 1 2) （不求值：返回列表本身）(quote (+ 1 2)) ;; => (+ 1 2) （同上，' 是语法糖） ' 是 (quote ...) 的简写——它们完全等价。 二、直观对比：有 quote vs 无 quote 表达式 求值结果 说明 42 42 数字...

一、项目总览：结构与核心目标1.1 项目定位该程序是一款轻量级文本分析工具，支持加载文本文件、单词搜索及布尔逻辑运算，核心目标是快速定位单词在文本中的出现位置，并通过逻辑组合满足复杂搜索需求（如 “查找同时包含hello和world的行”）。在实际应用场景中，无论是处理学术论文、代码库检索，还是进行日志文件分析，该工具都能通过高效的搜索逻辑，快速定位关键信息，极大提升文本处理效率。 1.2 文件结构123456789word_frequency_analysis/├── 22.txt/text.txt # 测试文本文件├── CMakeLists.txt # CMake构建配置（依赖C++11及以上）├── main.cpp # 程序入口（命令循环与交互）├── my_operation.h # 运算类声明（Operation基类）├── operation.cpp # 运算工厂实现（Processing类）├── programbegin.cpp # 文件加载与预处理（清洗单词、统计行号...

一、直观对比：普通递归 vs 尾递归1.1 普通递归：阶乘1234def factorial(n): if n == 0: return 1 return n * factorial(n - 1) # 递归调用后还要做乘法！ 关键问题：n * factorial(n - 1) 中，递归调用 factorial(n - 1) 返回后，还要乘以 n。这意味着当前函数的栈帧不能被销毁——它必须等递归返回后继续计算。 1.2 尾递归：阶乘1234def factorial_tail(n, acc=1): if n == 0: return acc return factorial_tail(n - 1, acc * n) # 递归调用是最后一步！ 关键区别：factorial_tail(n - 1, acc * n) 是函数的最后一步操作。递归调用返回后，当前函数直接返回那个值，不需要做任何额外计算。这意味着当前栈帧可以被安全地复用。 核心判断标准：递归调用是否是函数的最后一个操作，且返回值直接就是递归调用的结果，不需要后续计算...

一、文本查询程序代码整理1.1 textsearchprogram.h123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475#ifndef TEXT_SEARCH_PROGRAM_H#define TEXT_SEARCH_PROGRAM_H#include "my_operation.h"void cleanWord(string & word);//包括单词出现次数和出现行号class WordDate {private: int count = 0; set <int> linenums; friend class ProgramDate;public: WordDate () {}; WordDate (int _count, set <int...

一、引言编写解释器是理解编程语言本质的最佳方式。本文将用 Python 实现一个最小但功能完整的 Scheme 解释器，覆盖三个核心模块： 解析器（Parser）：将字符串代码转换为 Python 内部数据结构 求值器（Evaluator）：根据 Scheme 规则计算数据结构的值 环境（Environment）：存储和查找变量值的"记事本" 二、模块一：解析器2.1 原理Scheme 的语法极其简单——一切都是 S-表达式（括号嵌套列表）。解析过程分两步： 词法分析（Tokenize）：将字符串拆分为 token 语法分析（Parse）：将 token 序列转换为嵌套列表 2.2 实现123456789101112131415161718192021222324252627282930313233343536import redef tokenize(source): tokens = re.findall(r'\(|\)|[^\s()]+', source) return tokensdef parse(tokens...

一、核心定义与直觉1.1 Scheme begin：时间维度的"打包器"begin 将多个表达式组合成一个单一的表达式。核心逻辑是顺序执行（Side-effect sequencing）——先做 A，再做 B，返回 B 的结果。 1234567(begin (display "Hello") (display " ") (display "World") 42);; 打印：Hello World;; 返回：42 begin 是为了解决一个矛盾：函数体只能返回一个值，但在有副作用的语言中需要做多件事。 1.2 Python 逗号：空间维度的"分隔符"逗号 , 是一个分隔符或构造器。核心逻辑是并列关系（Juxtaposition）——它用于分隔参数、列表元素，或者构造元组。它不隐含"先做这个再做那个"的顺序依赖，而是强调"把这些放在一起"。 12345678# 分隔参数print("Hello", "Wor...

一、基础语法与形态对比1.1 C++ switch：基于常量表达式的跳转1234567891011121314int day = 3;switch (day) { case 1: cout << "Monday"; break; // 必须手动 break，否则 Fall-through case 2: cout << "Tuesday"; break; case 3: cout << "Wednesday"; break; default: cout << "Other";} 核心特征： case 标签必须是编译期常量（整数、枚举、字符） Fall-through：不加 break 会继续执行下一个 case 只能做相等性测试（==），不支持范围判断 1.2 Python match：基于模式的结构匹...